[发明专利]烟虫预警反馈系统在审

专利信息
申请号: 202010875257.7 申请日: 2020-08-27
公开(公告)号: CN112167201A 公开(公告)日: 2021-01-05
发明(设计)人: 刘博;李自娟;高杨;芦渊;张爱华;郑海军;孙嘉;贾晓慧;孙一鹤;李光;赵力源;温永慧;马燕淑 申请(专利权)人: 张家口卷烟厂有限责任公司
主分类号: A01M1/02 分类号: A01M1/02;A01M1/10;G06Q10/04
代理公司: 北京瑞盛铭杰知识产权代理事务所(普通合伙) 11617 代理人: 汪鹏
地址: 075000 河*** 国省代码: 河北;13
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 预警 反馈 系统
【说明书】:

发明公开了烟虫预警反馈系统,包括烟虫检测单元;虫情统计单元;烟虫增长预测单元;虫窝信息库单元;异常检测点预警单元;虫窝预测单元。本发明旨在利用智能分析模型,建立一种能够深度分析、预测、预警的烟虫信息反馈系统,该系统具有烟虫生产曲线分析预测、虫源定位以及潜在异常点预测等功能,本发明能够准确判断检测点的烟虫增长情况,对烟虫持续增长的检测点进行报警并自动判断虫窝所在设备,以供管理人员参考并核实需灭虫点,减轻了维保工作量且维保效果好。

技术领域

本发明涉及烟草行业,具体涉及一种烟虫预警反馈系统,用于生产现场烟虫数量的统计及分析预测,并以此结果预警,指导卷烟车间除虫工作。

背景技术

卷烟作为一种可吸食的食品,其产品质量一直是消费群体关注的对象。在卷烟生产阶段当卷烟受到烟虫的侵蚀,卷烟的品质会大幅下降。因为烟虫的尸体、虫卵、虫粪以及丝状物污染烟支,造成卷烟吸食后有恶臭味,其烟虫影响了消费者对品牌的好感度。卷烟若被虫蛀孔后,其外观质量也受到了损坏,影响了消费群体的情感。

现车间对于烟虫的防控流程为,设置烟虫检测点,设定单检测点烟虫上限数量,人工计数,统计烟虫数量超出上限的检测点,针对该监测点附近的设备进行杀虫作业。

公告号:CN110414637A的发明申请公开了一种烟草虫情监控系统,包括通过网络连接通信的虫情服务器、采集客户端以及监控客户端;监控区域内设有多个位置不同的诱虫片;各诱虫片上分别设有记录有相应诱虫片位置信息的RFID电子标签;采集客户端用于诱虫片位置和虫情信息的采集,虫情服务器用于单点或区域位置虫情的分布情况分析,虫情服务器输出的虫情分布统计信息能够通过监控客户端展示给客户端用户。本发明利用RFID技术记录各监测点的烟虫信息,并对烟虫分布的情况进行展示,能够提高烟虫监控的效率,有利于对烟虫防治工作进行指导。

公告号:CN109213800A的发明申请公开了一种烟草虫情预测方法及系统,通过获取数据,对数据进行预处理;构建时间序列分析模型,形成烟虫预测模型;进行虫情序列模式的挖掘,得到预测结果;本发明能够通过序列模式挖掘技术,发现频繁模式,预测虫情的数量。

现行的方法没有深度分析过程,导致资源浪费或者有些虫源没有发现,且没有预警系统不能及时发现潜在异常点。

发明内容

为克服上述现有技术中的不足,本申请提供了一种烟虫预警反馈系统。

本发明旨在利用智能分析模型,建立一种能够深度分析、预测、预警的烟虫信息反馈系统,该系统具有烟虫生产曲线分析预测、虫源定位以及潜在异常点预测等功能。

本发明解决其技术问题所采用的技术方案为:

烟虫预警反馈系统,包括

烟虫检测单元,包括按规律布设于车间各处的若干检测点及设置于每一个检测点的烟虫诱捕装置;

虫情统计单元,其基于烟虫检测单元定期对每一个检测点的烟虫数量进行统计;

烟虫增长预测单元,包括烟虫增长预测模型,所述烟虫增长预测模型为基于usher模型构建的烟虫增长预判模型,其基于虫情统计单元对每一个检测点的烟虫数量增长曲线进行绘制与预测;

虫窝信息库单元,其通过现场排查对车间每一个设备的虫窝进行统计,并将之与对应位置处的检测点相关联,形成虫窝信息库;

异常检测点预警单元,其基于烟虫增长预测单元,对烟虫数量增长曲线处于对数增长期或稳定增长期的检测点进行预警;

虫窝预测单元,其基于异常检测点预警单元的预警信息,自动示出与该异常检测点相关联的设备信息及虫窝信息,以供管理人员参考、核实需灭虫点、进行组织维保。

作为上述技术方案的改进,所述烟虫增长预测模型的模型公式为:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于张家口卷烟厂有限责任公司,未经张家口卷烟厂有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010875257.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top